奔驰
Intern_AI/ML Software Engineer/AI/ML企业应用软件实习生
Intern_AI/ML Software Engineer/AI/ML企业应用软件实习生
发布于 大约 17 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
本科
软件工程
RAG
LLM
Machine Learning
numpy
Prompt Engineering
AI 估算 · 4k–7k
实习生岗位，基于北京市场奔驰公司实习补贴水平，月薪约4-7千元，技术岗位略有溢价
职位详情
关于这个职位
作为梅赛德斯-奔驰中国的AI/ML实习生，你将参与企业级AI应用的开发与部署，包括构建预测模型、智能助手及系统集成
你将获得导师指导，接触前沿技术（如LLM、RAG），并在真实业务场景中积累经验，适合对AI在汽车行业应用充满热情的学生
最低要求
必须:
计算机科学、人工智能、机器学习、数据科学、电气工程或相关定量领域的本科、硕士或博士在读
对机器学习概念的基本理解，包括监督/无监督学习和生成模型
统计和数据分析的基础知识
对软件开发原则、数据结构、算法和设计模式的基本理解
至少精通一种编程语言（Python优先）
构建或实验AI Agent的经验，包括提示设计、工具集成或编排框架
数据处理和分析工具的使用经验（如Pandas、NumPy）
强大的分析和解决问题的能力
出色的沟通和团队合作能力
对将AI/ML应用于实际业务场景（如流程优化、企业系统如SAP、供应链）的兴趣
工作职责
主要任务:
开发和部署企业应用的AI/ML模型（25%）：协助设计、开发和部署利用我们核心企业系统（如ERP、EWM、Finance）数据的AI/ML模型
这可能涉及构建供应链优化的预测分析、财务流程的智能自动化或通过数据驱动洞察增强决策
贡献于智能助手解决方案（25%）：支持创建AI驱动的工具，如内部副驾驶或聊天机器人，旨在简化工作流程并提高企业系统实施的效率
集成AI解决方案（25%）：与高级工程师和业务利益相关者合作，将AI/ML解决方案无缝集成到现有企业软件环境中
确保知识转移（15%）：记录方法论、模型性能、业务影响和代码，以确保团队内部的知识共享和可重复性
探索新领域（10%）：紧跟AI/ML的最新进展，特别是与企业AI相关的领域，并探索其在业务挑战中的潜在应用
优先资格
优先:
接触过LLM应用开发，包括RAG、嵌入、提示工程或微调
熟悉LangChain、Dify、Hugging Face等框架
TypeScript/Node.js经验
熟悉云平台（如AWS、Azure、GCP）
熟悉其他编程语言（如Java、Scala）
AI 洞察
优缺点分析
优点
- 梅赛德斯-奔驰品牌背书，为简历增色
- 接触前沿AI技术（LLM、RAG、LangChain），实战经验丰富
- 有导师指导和专业培训，学习曲线陡峭
- 跨部门协作机会，拓展视野
- 要求兼顾多项任务（模型开发、集成、文档），时间管理要求高
- AI领域知识更新快，需持续学习保持竞争力
- 该职位适合对AI/ML充满热情、愿意在真实业务场景中应用技术的在校学生，尤其适合希望积累企业级AI项目经验的同学
缺点 / 挑战
- 实习期仅6个月，需要快速上手并产出成果，压力较大
角色解读
- 从实习生转正为初级AI工程师，参与更多核心项目
- 深入专攻LLM、RAG等前沿技术，成为企业AI专家
- 向AI架构师或技术负责人方向发展，主导AI解决方案设计与落地
- 参与AI/ML模型的开发与部署，利用企业系统数据构建预测分析和智能自动化解决方案
- 支持构建内部智能助手（如聊天机器人），提升企业流程效率
- 与资深工程师和业务方协作，将AI模型集成到现有软件系统中
- 负责技术文档编写，确保知识传递和可复现性
- 扎实的机器学习基础，包括监督/非监督学习和生成模型
- 熟练使用Python及数据处理库（Pandas、NumPy），具备LLM应用开发经验（RAG、提示工程等）优先
- 了解软件开发原则和数据结构，有AI Agent构建经验
- 良好的分析能力和沟通能力，对AI在业务中的应用有浓厚兴趣
申请策略
- 申请时表达对奔驰品牌和汽车行业数字化转型的理解，展示热情
- 关注公司AI创新动态，面试中可提及相关产品
- 突出AI/ML项目经历，特别是使用Python、Pandas、NumPy的数据分析和建模项目
- 强调LLM相关经验（如RAG、提示工程），如有LangChain项目则重点展示
- 体现团队协作和跨部门沟通能力，可附上参与过的团队项目或开源贡献
- 如有SAP、ERP或供应链相关背景，务必提及
- 深入掌握LangChain、Dify等框架，可以动手搭建一个简单的RAG应用
- 补充云计算基础（AWS、Azure、GCP），了解云上AI服务
面试指南
- 对于技术问题，采用STAR法则（情境-任务-行动-结果），先描述问题背景，再说明解决方案和技术细节，最后量化成果
- 对于开放性问题，结合自身项目经历，展示从理论到实践的思考，并体现对业务价值的理解
- 介绍一个你使用机器学习解决实际问题的项目，遇到了哪些挑战？
- 解释RAG的工作原理，你如何设计一个基于RAG的问答系统？
- 你对企业AI有哪些了解？如何将AI应用于供应链或财务流程？
- 描述一次你与团队协作完成技术项目的经历
- 你如何保持对AI前沿技术的跟进？列举最近关注的技术
- 复习机器学习基础概念，准备1-2个完整的项目案例
匹配度报告
62
综合匹配度
奔驰AI实习，前沿技术栈+导师制，成长性强但薪资有限。
适合人群
适合追求技术成长和前沿经验、对薪资短期回报不敏感的学生。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利40
成长发展88
工作生活50
使命价值70
薪资福利匹配
40较低
实习岗位薪资福利有限，但跨国公司提供实习证明及可能的转正机会，整体补偿性较低。
薪资信号未披露（AI估算：4K-7K/月）
成长发展匹配
88较高
职位提供前沿技术栈（LLM、RAG等）和导师指导，学习机会丰富，成长路径清晰。
技术前沿前沿/新兴技术
技术栈Python、Machine Learning、AI、LLM、RAG、LangChain、Pandas、NumPy、Prompt Engineering
成长机会Mentorship、Professional Development、Learning Opportunities
业务类型ambiguous
工作生活匹配
50较低
要求现场办公，每周4-5天，时间投入较大，但北京总部地点通常在核心区域，通勤便利。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
汽车行业AI应用促进企业效率和体验改善，具有一定的社会价值，但实习生的贡献相对边缘。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs